资源简介
《机器学习实战》python3完美运行代码
代码片段和文件信息
# -*- coding: utf-8 -*-
“““
Created on Thu Jul 26 09:22:46 2018
@author: wzy
“““
import numpy as np
import matplotlib.pyplot as plt
“““
函数说明:创建单层决策树的数据集
Parameters:
None
Returns:
dataMat - 数据矩阵
classLabels - 数据标签
Modify:
2018-07-26
“““
def loadsimpData():
datMat = np.matrix([[1. 2.1]
[1.5 1.6]
[1.3 1. ]
[1. 1. ]
[2. 1. ]])
classLabels = [1.0 1.0 -1.0 -1.0 1.0]
return datMat classLabels
“““
函数说明:单层决策树分类函数
Parameters:
dataMatrix - 数据矩阵
dimen - 第dimen列,也就是第几个特征
threshVal - 阈值
threshIneq - 标志
Returns:
retArray - 分类结果
Modify:
2018-07-26
“““
def stumpClassify(dataMatrix dimen threshVal threshIneq):
# 初始化retArray为全1列向量
retArray = np.ones((np.shape(dataMatrix)[0] 1))
if threshIneq == ‘lt‘:
# 如果小于阈值则赋值为-1
retArray[dataMatrix[: dimen] <= threshVal] = -1.0
else:
# 如果大于阈值则赋值为-1
retArray[dataMatrix[: dimen] > threshVal] = -1.0
return retArray
“““
函数说明:找到数据集上最佳的单层决策树
Parameters:
dataArr - 数据矩阵
classLabels - 数据标签
D - 样本权重每个样本权重相等 1/n
Returns:
bestStump - 最佳单层决策树信息
minError - 最小误差
bestClassEst - 最佳的分类结果
Modify:
2018-07-26
“““
def buildStump(dataArr classLabels D):
# 输入数据转为矩阵(5 2)
dataMatrix = np.mat(dataArr)
# 将标签矩阵进行转置(5 1)
labelMat = np.mat(classLabels).T
# m=5 n=2
m n = np.shape(dataMatrix)
numSteps = 10.0
bestStump = {}
# (5 1)全零列矩阵
bestClasEst = np.mat(np.zeros((m 1)))
# 最小误差初始化为正无穷大inf
minError = float(‘inf‘)
# 遍历所有特征
for i in range(n):
# 找到(每列)特征中的最小值和最大值
rangeMin = dataMatrix[: i].min()
rangeMax = dataMatrix[: i].max()
# 计算步长
stepSize = (rangeMax - rangeMin) / numSteps
for j in range(-1 int(numSteps) + 1):
# 大于和小于的情况均遍历,lt:Less than gt:greater than
for inequal in [‘lt‘ ‘gt‘]:
# 计算阈值
threshVal = (rangeMin + float(j) * stepSize)
# 计算分类结果
predictedVals = stumpClassify(dataMatrix i threshVal inequal)
# 初始化误差矩阵
errArr = np.mat(np.ones((m 1)))
# 分类正确的,赋值为0
errArr[predictedVals == labelMat] = 0
# 计算误差
weightedError = D.T * errArr
print(“split: dim %d thresh %.2f thresh ineqal: %s the weighted error is %.3f“ % (i threshVal inequal weightedError))
# 找到误差最小的分类方式
if weightedError < minError:
minError = weightedError
bestClasEst = predictedVals.copy()
bestStump[‘dim‘] = i
bestStump[‘thresh‘] = threshVal
bestStump[‘ineq‘] = inequa
属性 大小 日期 时间 名称
----------- --------- ---------- ----- ----
目录 0 2018-12-17 08:25 MachineLearning\
目录 0 2018-07-26 09:23 MachineLearning\AdaBoost_Project1\
文件 7450 2018-07-26 20:57 MachineLearning\AdaBoost_Project1\AdaBoost.py
目录 0 2018-12-17 08:23 MachineLearning\AdaBoost_Project2\
文件 7109 2018-07-26 21:51 MachineLearning\AdaBoost_Project2\AdaBoost.py
文件 13547 2018-06-24 16:10 MachineLearning\AdaBoost_Project2\horseColicTest2.txt
文件 60479 2018-06-24 16:10 MachineLearning\AdaBoost_Project2\horseColicTraining2.txt
目录 0 2018-12-17 08:23 MachineLearning\AdaBoost_Project3\
文件 1729 2018-07-27 15:19 MachineLearning\AdaBoost_Project3\AdaBoost.py
文件 13547 2018-06-24 16:10 MachineLearning\AdaBoost_Project3\horseColicTest2.txt
文件 60479 2018-06-24 16:10 MachineLearning\AdaBoost_Project3\horseColicTraining2.txt
目录 0 2018-12-17 08:23 MachineLearning\AdaBoost_Project4\
文件 7990 2018-07-29 15:16 MachineLearning\AdaBoost_Project4\AdaBoost.py
文件 60479 2018-06-24 16:10 MachineLearning\AdaBoost_Project4\horseColicTraining2.txt
目录 0 2018-12-17 08:23 MachineLearning\Apriori_Project1\
文件 7857 2018-08-05 17:14 MachineLearning\Apriori_Project1\Apriori.py
文件 570408 2011-07-13 09:49 MachineLearning\Apriori_Project1\mushroom.dat
目录 0 2018-07-29 16:45 MachineLearning\BayesianAnalysisWithPython\
文件 1481 2018-07-29 17:16 MachineLearning\BayesianAnalysisWithPython\Gauss.py
目录 0 2018-12-17 08:23 MachineLearning\Bayes_Project1\
文件 7548 2018-07-21 15:29 MachineLearning\Bayes_Project1\Bayes.py
目录 0 2018-12-17 08:23 MachineLearning\Bayes_Project2\
文件 8969 2018-07-21 16:40 MachineLearning\Bayes_Project2\Bayes.py
目录 0 2018-12-17 08:23 MachineLearning\Bayes_Project2\email\
目录 0 2018-12-17 08:23 MachineLearning\Bayes_Project2\email\ham\
文件 141 2018-06-24 16:10 MachineLearning\Bayes_Project2\email\ham\1.txt
文件 82 2018-06-24 16:10 MachineLearning\Bayes_Project2\email\ham\10.txt
文件 122 2018-06-24 16:10 MachineLearning\Bayes_Project2\email\ham\11.txt
文件 172 2018-06-24 16:10 MachineLearning\Bayes_Project2\email\ham\12.txt
文件 164 2018-06-24 16:10 MachineLearning\Bayes_Project2\email\ham\13.txt
文件 162 2018-06-24 16:10 MachineLearning\Bayes_Project2\email\ham\14.txt
............此处省略8959个文件信息
相关资源
- Python3.7.1
- Python3.5CongLingKaiShiXue-LiuYuZhou.pdf
- Python3.4 Numpy安装包
- 2019新书系列-Introduction to Python Progra
- python操作海康威视相机------例程由海
- Python3_3.6.8_x86精简绿色版
- Python3.7.0_b4 windows 64位 安装包
- Python3.8-Window 64位
- face.dat.zip
- tensorflow-2.0.0rc0-cp36-cp36m-linux_aarch64.w
-
64位系统的ba
semap和pyproj(适合pyth - torch-1.3.0a0+de394b6-cp36-cp36m-linux_aarch64
- python3标准库(最新).rar
- ibm_db-3.0.1_64bit.zip
- Python3.6.5标准库文档(高清完整中文版
- numpy-1.17.5+mkl-cp36-cp36m-win_amd64.whl
- python项目开发案例集锦.zip
- python3爬虫资料
- 基于python+opencv的目标图像自动识别提
- 基于Python的人工智能美颜系统
- python3.8.2 windows安装包
- Python3.0以上安装的GDAL库含3.7、3.8、
- pytorch 0.4.1 for python3.7 官方windows64位版
- 《为你写诗》体验程序含源代码和简
- 麻瓜编程 实用主义学Python2018
- tensorflow-1.14.0-cp37-cp37m-win_amd64.whl
- tensorflow1.8.0+python35 绿色版
- python3版 40行代码的人脸识别实践
- 《Python3网络爬虫开发实战代码》.zi
- dlib-19.19.0-cp38-cp38-win_amd64.whl
评论
共有 条评论